在机器学习中,多示例学习是一个研究热点,是第4种机器学习框架,目前多应用于自然场景分类、网络目录页面推荐、计算机安全等方面。在多示例学习的研究中,数据包中特征数量较多的问题是研究的难点之一,且在数据包中还存在着一定数量的与研究无关的特征,这些因素会提高对未知数据包标签预测的复杂度,影响预测结果。因此,对数据集进行预处理,提高与标签预测相关的特征的权值,对减少特征数量较多和无关特征干扰的负面影响是很有必要的。性能较好的分类器对降低标签预测误差起到了促进作用,其中使用较多的是基于最小或最大Hausdorff距离的近邻分类器。在运算时最小和最大Hausdorff距离都存在一定的不足,但这两种距离可以进行互相弥补。因此,本文算法在预测标签时使用融合了这两种距离的分类器,不仅可提高分类器的性能,还能降低标签预测误差。本文围绕数据集的特征加权和Hausdorff距离融合的问题展开相应的研究,具体为提出了一种改进的特征加权Simba算法和一种基于混合Hausdorff距离的集成Citation-KNN分类器,主要工作内容概括如下:第一,针对数据集的特征加权,本文提出了改进的Simba算法来提高与标签预测相关性较高的特征的权值。在经典的Simba算法中,一般使用欧几里得距离进行计算,但该方法仅适用于计算点与点之间的距离。针对其缺点,本文使用最小Hausdorff距离进行计算,以拓展算法的应用范围,减小异常值对算法的影响,降低对未知数据包的测试误差和预测的复杂度。第二,针对Hausdorff距离的融合问题,本文将使用Ada Boost算法,线性组合基于最小和最大Hausdorff距离的Citation-KNN分类器后生成基于混合Hausdorff距离的集成分类器。实验测试证明本算法不仅融合了最小和最大Hausdorff距离,将这两种距离的不足进行了互补,而且提升了分类器的性能,较好地降低了标签预测的误差。本文在降低预测未知数据包标签的复杂度和误差方面,将经过改进Simba算法特征加权后的数据集使用基于混合Hausdorff距离的集成分类器去学习,该方法经过相应的测试证明其有效性,在降低复杂度和预测误差方面具有一定的价值。